KR20230174378A - 영상분석을 이용한 철 스크랩 선별시스템 - Google Patents
영상분석을 이용한 철 스크랩 선별시스템 Download PDFInfo
- Publication number
- KR20230174378A KR20230174378A KR1020220075245A KR20220075245A KR20230174378A KR 20230174378 A KR20230174378 A KR 20230174378A KR 1020220075245 A KR1020220075245 A KR 1020220075245A KR 20220075245 A KR20220075245 A KR 20220075245A KR 20230174378 A KR20230174378 A KR 20230174378A
- Authority
- KR
- South Korea
- Prior art keywords
- unit
- conveyor belt
- sorting
- iron scrap
- impurities
- Prior art date
Links
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims abstract description 78
- 229910052742 iron Inorganic materials 0.000 title claims abstract description 39
- 238000010191 image analysis Methods 0.000 title claims abstract description 11
- 239000012535 impurity Substances 0.000 claims abstract description 33
- 239000000463 material Substances 0.000 claims abstract description 26
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 22
- 239000002184 metal Substances 0.000 claims abstract description 9
- 229910052751 metal Inorganic materials 0.000 claims abstract description 9
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 8
- 239000010959 steel Substances 0.000 claims abstract description 8
- -1 ferrous metals Chemical class 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 5
- 229910052802 copper Inorganic materials 0.000 description 5
- 239000010949 copper Substances 0.000 description 5
- 239000002994 raw material Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 238000009628 steelmaking Methods 0.000 description 3
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
- B07C5/342—Sorting according to other particular properties according to optical properties, e.g. colour
- B07C5/3422—Sorting according to other particular properties according to optical properties, e.g. colour using video scanning devices, e.g. TV-cameras
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/361—Processing or control devices therefor, e.g. escort memory
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
- B07C5/38—Collecting or arranging articles in groups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Sorting Of Articles (AREA)
Abstract
본 발명은 컨베이어벨트를 따라 이송되는 철 스크랩에 함유된 비철금속을 선별하기 위한 선별시스템에 있어서, 상기 컨베이어벨트를 따라 이송되는 철 스크랩을 실시간으로 촬영하여 수집하여 전송하는 영상인식부와; 상기 영상인식부로부터 수집된 영상을 수신한 다음 기 설정된 기준값과 비교분석하는 정량분석부와; 상기 정량분석부를 통해 도출된 시료의 정량적 특성을 토대로 조건에 부합하지 않는 재료를 불순물로 선별하는 재료선별부;를 포함하는 것을 특징으로 하는 영상분석을 이용한 철 스크랩 선별시스템을 개시한다.
Description
본 발명은 컨베이어벨트를 따라 이송되는 철 스크랩에 함유된 비철금속을 선별하기 위한 선별시스템에 있어서, 상기 컨베이어벨트를 따라 이송되는 철 스크랩을 실시간으로 촬영하여 수집하여 전송하는 영상인식부와; 상기 영상인식부로부터 수집된 영상을 수신한 다음 기 설정된 기준값과 비교분석하는 정량분석부와; 상기 정량분석부를 통해 도출된 시료의 정량적 특성을 토대로 조건에 부합하지 않는 재료를 불순물로 선별하는 재료선별부;를 포함하는 것을 특징으로 하는 영상분석을 이용한 철 스크랩 선별시스템에 관한 것이다.
제강 공정의 전로, STS 공정의 전기로나 미니밀 공정의 전기로의 원료로 사용되는 철 스크랩에는 철광석, 원료탄과 함께 3대(大) 제철 원료로서, 국내 철강생산의 약 40%가 철 스크랩을 원료로 사용하고 있으므로, 철 스크랩이 안정적으로 공급되는 것은 건설, 기계산업의 발전에도 영향을 미친다.
이러한 철 스크랩은 여러 수집경로를 거친 후에 제강 공정에 투입되며, 수집 과정에서 불순물이나 이물질 등을 선별하는 작업이 이루어진다.
수집된 철 스크랩에 섞인 불순물이나 이물질을 선별하는 작업이나 성분분석 작업은 숙련된 인력을 통해서도 가능하지만, 최근 심화되는 철 스크랩의 국제적 가격경쟁력을 위해서는 설비 자동화가 필수적이다. 특히, 철 스크랩을 압착하기 전 선별작업이 필요한데, 철 스크랩에 함유된 비철금속을 선별하는 것은 불량률을 낮출 수 있는 요인으로 작용하여 원가 절감 및 제품의 매출단가 상승에 기여하게 된다.
따라서, 철 스크랩 생산중 품질관리를 위하여, 시료의 성분을 비파괴적으로 신속하고 정량적으로 측정,분석할 수 있으며, 관리 기준에 맞춰서 품질을 선별할 수 있는 시스템이 필요하다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 발명된 것으로, 영상분석을 통해 철 스크랩과 다른 금속의 혼합물을 정량적으로 측정할 수 있으며, 측정 결과를 토대로 철 스크랩 중 불순물을 제거할 수 있는 선별시스템을 제공하는데 그 목적이 있다.
상기와 같은 목적을 위하여 본 발명은 컨베이어벨트를 따라 이송되는 철 스크랩에 함유된 비철금속을 선별하기 위한 선별시스템에 있어서, 상기 컨베이어벨트를 따라 이송되는 철 스크랩을 실시간으로 촬영하여 수집하여 전송하는 영상인식부와; 상기 영상인식부로부터 수집된 영상을 수신한 다음 기 설정된 기준값과 비교분석하는 정량분석부와; 상기 정량분석부를 통해 도출된 시료의 정량적 특성을 토대로 조건에 부합하지 않는 재료를 불순물로 선별하는 재료선별부;를 포함하는 것을 특징으로 한다.
또한, 본 발명에서 상기 영상인식부는 상기 컨베이어벨트를 따라 이송되는 철 스크랩을 실시간으로 촬영하여 영상을 수집하는 카메라와, 상기 카메라를 통해 수집된 영상을 상기 정량분석부로 전송하는 영상인터페이스를 포함하는 것을 특징으로 한다.
또한, 본 발명에서 상기 정량분석부는 기 학습된 분석 알고리즘을 바탕으로 실시간으로 영상자료에서 철 스크랩이 아닌 불순물을 인식하고, 기준치 이상이 되는 경우 별도 배출되도록 상기 재료선별부를 제어하는 분석 소프트웨어와, 사전에 철 스크랩과 기타 불순물을 구분하기 위한 영상학습자료를 기계학습하여 인공신경망 알고리즘을 통해 개별 뉴런에 대한 가중치가 부여되는 기계학습 소프트웨어를 포함하는 것을 특징으로 한다.
또한, 본 발명에서 상기 재료 선별부는 구동모터와, 상기 컨베이어벨트 상면의 양측 모서리에 컨베이어벨트의 설치방향을 따라 배치되되 일측 단부가 상기 구동모터와 연결되어 일측 단부를 회전축으로 하여 타측 단부가 상기 컨베이어벨트의 외측 방향으로 회동되면서 컨베이어벨트를 따라 이송되는 불순물을 상기 컨베이어벨트의 외측에 별도로 마련되는 선별수거함으로 안내하는 한 쌍의 선별가이드와, 상기 정량분석부로부터 불순물의 검출신호가 수신되면 상기 구동모터를 제어하여 선별가이드를 회동시키는 제어부를 포함하는 것을 특징으로 한다.
상기와 같이 이루어지는 본 발명은 영상분석을 이용하여 철 스크랩(또는 기타 금속 시료)의 성분을 비파괴적으로 신속하고 정량적으로 측정할 수 있으며, 측정 결과에 따라 공정상 불필요한 불순물이라고 판단되는 경우 선별하여 분리배출함으로써 생산품의 구성요소가 원하는 기준에 들어오도록 품질관리를 수행할 수 있는 현저한 효과가 있다.
도 1은 본 발명에 따른 영상분석을 이용한 철 스크랩 선별시스템의 구성도.
도 2은 본 발명의 실시예에 따른 분석소프트웨어의 예시도.
도 3은 본 발명의 실시예에 따른 사용상태도.
도 2은 본 발명의 실시예에 따른 분석소프트웨어의 예시도.
도 3은 본 발명의 실시예에 따른 사용상태도.
이하, 첨부된 도면을 참조하면서 본 발명에 따른 영상분석을 이용한 철 스크랩 선별시스템에 대하여 더욱 상세히 설명하도록 한다.
본 발명을 설명함에 있어서 관련된 공지기능에 대하여 이 분야의 기술자에게 자명한 사항으로서 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 상세한 설명을 생략한다.
본 발명은 컨베이어벨트를 따라 이송되는 철 스크랩에 함유된 비철금속을 선별하도록 하는 선별시스템에 관한 것으로, 상기 철 스크랩 시료의 성분을 비파괴적으로 신속하고 정량적으로 측정, 분석할 수 있으며, 관리 기준에 맞춰서 품질을 선별할 수 있는 시스템을 개시한다.
상기와 같은 목적을 위하여 본 발명은 영상인식부(110)와, 정량분석부(120)와, 재료선별부(130)를 포함한다.
상기 영상인식부(110)는 상기 컨베이어벨트를 따라 이송되는 철 스크랩을 실시간으로 촬영하여 수집하여 전송하는 것으로, 카메라(111)와, 영상인터페이스(112)를 포함한다.
상기 카메라(111)는 상기 컨베이어벨트의 소정 영역(이하, "검출영역(2)"이라고 부르도록 함)에 배치되어 해당영역을 통과하는 철 스크랩을 실시간으로 촬영하고, 촬영영상을 수집한다.
상기 영상인터페이스(112)는 상기 카메라(111)를 통해 수집된 영상이 상기 정량분석부(120)에서 분석되도록 카메라로부터 검출영역(2)을 촬영한 영상을 수신하고, 수신한 영상을 정량분석부로 전송한다. 여기에서, 상기 영상인터페이스(112)는 두 가지 시스템 또는 장치(equipment)가 결합해 있는 경계(boundary)로서, 하드웨어적 또는 소프트웨어적으로 사용되는 용어이며, 하드웨어적인 것만을 가리킨다든지 소프트웨어적인 것만을 가리킨다든지 또는 그들 모두를 규정하고 있는 것이 있다. 여기서 말하는 하드웨어적인 것이란 물리적 조건, 회로의 조건, 전기적 조건 등을 말하며, 소프트웨어적인 것이란 논리적 혹은 프로그램 간의 조건을 말한다.
상기 정량분석부(120)는 상기 영상인식부로부터 수집된 영상을 수신한 다음 기 설정된 기준값과 비교분석하는 것으로, 분석 소프트웨어(121)와, 기계학습 소프트웨어(122)를 포함한다.
상기 분석 소프트웨어(121)는 기 학습된 분석 알고리즘을 바탕으로 실시간으로 영상자료에서 철 스크랩이 아닌 불순물을 인식하고, 기준값에 대응하지 않는 검출신호가 출력되는 경우 불순물이 혼합된 것으로 판단하여 시료 중의 불순물을 별도 배출되도록 상기 재료선별부(130)를 제어한다. 이를 위해, 상기 분석 소프트웨어(121)는 시료(예를 들어 철 스크랩)를 촬영한 이미지 파일로부터 시료의 형상, 색상 정보가 저장될 수 있으며, 상기 재료선별부(130)와 유,무선으로 연결되어 재료선별부의 제어신호를 출력할 수 있다.
상기 기계학습 소프트웨어(122)는 사전에 철 스크랩과 기타 불순물을 구분하기 위한 영상학습자료를 기계학습하여 인공신경망 알고리즘을 통해 개별 뉴런에 대한 가중치가 부여되며, 상기 분석 소프트웨어(121)는 상기 기계학습 소프트웨어(122)에 저장된 정보와 대응되는 시료가 상기 검출영역(2)을 통과하면 불순물 검출신호를 출력하여 상기 재료선별부를 통해 나사가 선별분리되도록 한다.
예를 들어, 상기 기계학습 소프트웨어(122)는 구리를 촬영한 이미지 파일, 나사를 촬영한 이미지 파일이 저장되어 구리, 나사의 색상이나 형상이 학습될 수 있고, 상기 분석 소프트웨어는 상기 검출영역을 통과하는 시료 중에서 기계학습 소프트웨어의 사전에 학습된 정보(색상, 형상)와 대응되는 시료를 검출한다. 도 2는 본 발명의 일실시예에 따른 분석 소프트웨어를 촬영한 사진으로서, 상기 감시영역(2)을 통과하는 시료 중에서 0.19%의 구리가 불순물로서 혼합되어 있음을 알 수 있다. 이와 같이, 시료 중에 불순물이 섞여 있으면 상기 상기 분석 소프트웨어(121)는 제어신호를 출력하여 상기 재료선별부를 통해 불순물이 선별분리되도록 할 수 있다.
상기 재료선별부(130)는 상기 컨베이어벨트에서 상기 검출영역(2)의 후방에 마련되는 선별영역(3)에 배치되는 것으로, 상기 정량분석부(120)를 통해 도출된 시료의 정량적 특성을 토대로 조건에 부합하지 않는 재료를 불순물로 선별한다.
이를 위해, 상기 재료선별부(130)는 구동모터(131)와, 상기 컨베이어벨트(1)의 상면에 양측 모서리를 따라 배치되는 한 쌍의 선별가이드(132)와, 상기 구동모터를 제어하여 선별가이드를 회동시키는 제어부(133)를 포함할 수 있다.
여기에서, 상기 선별가이드(132)는 일측 단부가 상기 구동모터와 연결되어 일측 단부를 회전축으로 하여 타측 단부가 상기 컨베이어벨트의 외측 방향으로 회동 가능하게 마련될 수 있으며, 예를 들어 웜기어와 웜 휠을 매개로 상기 구동모터(131)의 동력을 선별가이드(132)에 전달할 수 있다.
상기 제어부(133)는 상기 정량분석부(120)로부터 불순물의 검출신호가 수신되면 상기 구동모터(131)를 제어하여 선별가이드(132)를 회동시킴으로써 선별영역(3)에 도달한 불순물이 컨베이어벨트(1) 외측에 별도로 마련되는 선별수거함(4)으로 선별분리되도록 제어한다.
예를 들어, 도 3과 같이 구리(20, 불순물)가 철 스크랩(10, 시료)과 함께 검출영역(2)을 통과할 때 상기 카메라(111)로부터 촬영된 영상이 영상인터페이스(112)를 통해 분석 소프트웨어(121)로 제공되면, 상기 기계학습 소프트웨어(122)로부터 불순물로서 사전에 기계학습된 구리의 색상, 형상 정보가 분석 소프트웨어(121)로 제공되어 상기 분석 소프트웨어(121)로부터 제어신호가 출력되면서 상기 재료선별부(130)를 통해 해당 불순물이 선별되어 별도로 배출되도록 할 수 있다.
또한, 본 발명은 시료가 불순물인지 판단할 수 있는 조건을 설정할 수 있으며, 설정된 조건이나 현재 작동상태 등이 디스플레이되는 사용자 인터페이스(140)와, 상기 사용자 인터페이스에 설정된 조건에 따라 상기 영상인식부(110), 정량분석부(120), 재료선별부(130)를 제어하는 메인 제어부(150)와, 전체 시스템의 전원 공급을 위한 전원부(160)를 포함할 수 있다.
상기와 같이 이루어지는 본 발명은 영상분석을 이용하여 철 스크랩(또는 기타 금속 시료)의 성분을 비파괴적으로 신속하고 정량적으로 측정할 수 있으며, 측정 결과에 따라 공정상 불필요한 불순물이라고 판단되는 경우 선별분리함으로써 생산품의 구성요소가 원하는 기준에 들어오도록 품질관리를 수행할 수 있는 현저한 효과가 있다.
이상, 본 발명은 일 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 실시 예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 보호 범위는 첨부된 등록청구범위에 의해서만 정해져야 할 것이다.
1 : 컨베이어벨트
2 : 검출영역
3 : 선별영역
4 : 선별수거함
10 : 철 스크랩
20 : 불순물
110 : 영상인식부
111 : 카메라
112 : 영상인터페이스
120 : 정량분석부
121 : 분석 소프트웨어
122 : 기계학습 소프트웨어
130 : 재료선별부
131 : 구동모터
132 : 선별가이드
133 : 제어부
140 : 사용자 인터페이스
150 : 메인 컨트롤러
160 : 전원부
2 : 검출영역
3 : 선별영역
4 : 선별수거함
10 : 철 스크랩
20 : 불순물
110 : 영상인식부
111 : 카메라
112 : 영상인터페이스
120 : 정량분석부
121 : 분석 소프트웨어
122 : 기계학습 소프트웨어
130 : 재료선별부
131 : 구동모터
132 : 선별가이드
133 : 제어부
140 : 사용자 인터페이스
150 : 메인 컨트롤러
160 : 전원부
Claims (4)
- 컨베이어벨트를 따라 이송되는 철 스크랩에 함유된 비철금속을 선별하기 위한 선별시스템에 있어서,
상기 컨베이어벨트를 따라 이송되는 철 스크랩을 실시간으로 촬영하여 수집하여 전송하는 영상인식부(110)와;
상기 영상인식부로부터 수집된 영상을 수신한 다음 기 설정된 기준값과 비교분석하는 정량분석부(120)와;
상기 정량분석부를 통해 도출된 시료의 정량적 특성을 토대로 조건에 부합하지 않는 재료를 불순물로 선별하는 재료선별부(130);
를 포함하는 것을 특징으로 하는 영상분석을 이용한 철 스크랩 선별시스템.
- 제1항에 있어서, 상기 영상인식부(110)는 상기 컨베이어벨트를 따라 이송되는 철 스크랩을 실시간으로 촬영하여 영상을 수집하는 카메라(111)와, 상기 카메라를 통해 수집된 영상을 상기 정량분석부로 전송하는 영상인터페이스(112)를 포함하는 것을 특징으로 하는 영상분석을 이용한 철 스크랩 선별시스템.
- 제1항에 있어서, 상기 정량분석부(120)는 기 학습된 분석 알고리즘을 바탕으로 실시간으로 영상자료에서 철 스크랩이 아닌 불순물을 인식하고, 기준치 이상이 되는 경우 별도 배출되도록 상기 재료선별부를 제어하는 분석 소프트웨어(121)와, 사전에 철 스크랩과 기타 불순물을 구분하기 위한 영상학습자료를 기계학습하여 인공신경망 알고리즘을 통해 개별 뉴런에 대한 가중치가 부여되는 기계학습 소프트웨어(122)를 포함하는 것을 특징으로 하는 영상분석을 이용한 철 스크랩 선별시스템.
- 제1항에 있어서, 상기 재료 선별부(130)는 구동모터(131)와, 상기 컨베이어벨트 상면의 양측 모서리에 컨베이어벨트의 설치방향을 따라 배치되되 일측 단부가 상기 구동모터와 연결되어 일측 단부를 회전축으로 하여 타측 단부가 상기 컨베이어벨트의 외측 방향으로 회동되면서 컨베이어벨트를 따라 이송되는 불순물을 상기 컨베이어벨트의 외측에 별도로 마련되는 선별수거함으로 안내하는 한 쌍의 선별가이드(132)와, 상기 정량분석부로부터 불순물의 검출신호가 수신되면 상기 구동모터를 제어하여 선별가이드를 회동시키는 제어부(133)를 포함하는 것을 특징으로 하는 영상분석을 이용한 철 스크랩 선별시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220075245A KR20230174378A (ko) | 2022-06-21 | 2022-06-21 | 영상분석을 이용한 철 스크랩 선별시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220075245A KR20230174378A (ko) | 2022-06-21 | 2022-06-21 | 영상분석을 이용한 철 스크랩 선별시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230174378A true KR20230174378A (ko) | 2023-12-28 |
Family
ID=89385136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220075245A KR20230174378A (ko) | 2022-06-21 | 2022-06-21 | 영상분석을 이용한 철 스크랩 선별시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230174378A (ko) |
-
2022
- 2022-06-21 KR KR1020220075245A patent/KR20230174378A/ko not_active Application Discontinuation
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI797562B (zh) | 電子・電氣機器零件屑之處理裝置及電子・電氣機器零件屑之處理方法 | |
| JP3293310B2 (ja) | 金属の選別回収方法とその装置 | |
| CN113743210A (zh) | 图像识别方法和废钢等级的识别方法 | |
| RU2376580C2 (ru) | Способ и устройство для определения параметров частиц и рабочих характеристик процессора в системе обработки каменного угля и минералов | |
| CN108719424A (zh) | 一种基于机器视觉的水产品分类方法及系统 | |
| CN106521066A (zh) | 高炉炉料粒度监控系统及分布数据在线分析方法 | |
| CN113552028B (zh) | 混合料视觉分析装置、混合料粒度组成检测方法及系统 | |
| JP3924432B2 (ja) | 金属の選別回収システム | |
| CN114433509A (zh) | 一种铝土矿识别方法及装置 | |
| KR20230174378A (ko) | 영상분석을 이용한 철 스크랩 선별시스템 | |
| JP7301783B2 (ja) | 電子・電気機器部品屑の組成解析方法、電子・電気機器部品屑の処理方法、電子・電気機器部品屑の組成解析装置及び電子・電気機器部品屑の処理装置 | |
| EP4327954A1 (en) | Electrical and electronic component scrap processing method, and electrical and electronic component scrap processing device | |
| JP3187244B2 (ja) | 銅含有スクラップの識別分離装置 | |
| JP7301782B2 (ja) | 電子・電気機器部品屑の組成解析方法、電子・電気機器部品屑の処理方法、電子・電気機器部品屑の組成解析装置及び電子・電気機器部品屑の処理装置 | |
| US12026867B2 (en) | Apparatus for analyzing composition of electronic and electrical device part scraps, device for processing electronic and electrical device part scraps, and method for processing electronic and electrical device part scraps | |
| KR20090094559A (ko) | 스크랩 자동선별장치 | |
| JP3073647B2 (ja) | 銅含有スクラップの識別方法 | |
| WO2020032905A2 (en) | An experiment assembly for evaluating equipment performance | |
| JP7425390B2 (ja) | 破砕システム及びシュレッダー屑製造方法 | |
| CN114522791B (zh) | 碎石尺寸筛选系统及方法 | |
| Müller et al. | Sorting of Construction and Demolition Waste for coarse fractions | |
| Leroy et al. | Development of advanced imaging techniques for real time particle sensing in mineral processing and recycling | |
| CN117599941A (zh) | 一种基于多数据源的选矿生产质量监控系统及方法 | |
| JP2001129491A (ja) | 金属の選別回収装置および材質の識別方法 | |
| CN117299564A (zh) | 工程塑料的智能分筛控制方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |